高处作业人员位置与生理信号相关性分析*

孟燕华 孙贵磊 逄方铭 刘琦 林云 徐鹭遥

(中国劳动关系学院安全工程学院 北京 100048)

0 引言

高处作业是冒险作业中风险极高的作业活动。其中，高处坠落是“五大伤害之首”，在所有事故类型中发生率最高, 危险性最大[1]。根据国家标准，高处作业高度在2～5 m时，称为一级高处作业；高处作业高度在5～15 m时，称为二级高处作业[2]。每年高处坠落事故的发生数量都占所有事故类型的50%左右，造成高处坠落的原因有很多，而90%的事故都是人为失误导致的[3]。分析高处作业不安全行为的产生原因，针对关键因素采取预防措施，是防止发生高处坠落事故的重要手段[4]。因此，研究建筑施工工人的不安全行为对于此事故的预防具有重要的意义。

HARJOTO M等[5]发现高处作业会增加企业的风险承担，若企业的社会责任表现越强，就越会减少过度的风险，从而避免高处冒险作业的发生。OTTO A R等[6]发现如果受试者有健康问题，当提高他们个体的风险认知水平时，可能会对态度和行为产生有益的影响。BORHAN M N等[7]调查结果表明在调查事故原因时，个人和社会因素的影响有显著差异，性别之间没有显著差异。但在DE JAGER M等[8]的研究中认为不管关系背景如何，男性表现出各种危险行为的高风险，他们还在青少年完成一项危险行为调查中发现青少年与同龄人相处的时间越多，参与冒险行为的风险就越高。在国内，还是针对不同部位和不安全动作加强高处作业方面安全的培训[9-12]较为普及。

目前国内外还没有利用VR模拟建筑施工场地高处作业场景的研究，而本次研究，我们基于虚拟现实( Virtual Reality，VR)技术以及对高处作业的危险度和事故发生率的了解，采用VR技术模拟高处作业场景，同时利用ErgoLAB人-机-环同步平台采集被试者的6项生理指标[13-15]。

1 试验设计

1.1 试验方案

利用Vizible软件设立“地面”、“一级高处作业”、“二级高处作业”3组试验场景，设定“喷漆作业”为被试作业类型，一级高处作业设定为距地面4 m处，二级高处作业设定为距地面8 m处。利用人—机—环同步平台，截取3个实验场景下的虚拟现实试验中的心电信号(ECG)、肌电信号(EMG)、皮电信号(EDA)、呼吸信号(RESP)、脉搏信号(PPG)、皮温信号(SKT)6种数据，利用SPSS软件对被试者问卷调查及生理信号分析。

1.2 试验对象

VR试验选择 30 名被试者，依据调查问卷，试验男女比例设定为8∶2，被试者身体健康，试验过程中，被试者自愿且无其他情绪影响，如图1所示。

图1 试验过程

2 数据统计与分析

2.1 调查问卷分析

2.1.1 前期调查问卷

设计电子调查问卷，下发给现场作业工人填写，共收到问卷239份，其中有效问卷228份。问卷显示，建筑施工人员中78.9%为男性，年龄主要分布在20～35岁；数据显示60.6%的工人从事过高处作业，出现过危险状况的人员比例高达55%。根据问卷调查统计，各施工事故类型发生比率如图2所示。

图2 施工事故类型发生比率

对于高处作业，确定建筑施工工人在即将发生危险时变化最明显的生理信号，对建筑施工场地高处作业事故的预防具有基础意义。

2.1.2 试验后主观问卷调查

利用心理标尺对30名被试者进行不同高处危险性感觉调查分析，以标尺长度为标准进行分析，对结果进行统计描述，4 m高度的主观衡量标尺长度均值为3.987 5 cm，8 m高度的主观衡量标尺长度均值为5.937 5 cm，地面数值均为0。仅对4 m高度与8 m高度的配对样本相关性分析，相关系数为0.907，具有极强相关性。对数据进行正态性检验，检验结果见表1，可以看出数据呈现正态分布，因而对数据进行配对样本t检验，结果见表2。

表1 正态性检验

表2 问卷的配对样本t检验

表2显示，不同高度处，在0.05的统计学水准下，被试的主观感觉也呈现出统计学意义，说明高度差异是影响被试者主观感受的。从图3中可以看出，离地面越高，作业人员的主观感觉越明显，但0～4 m的增加量大于4～8 m的增加量，这说明随离地面距离的增加，这种增长速度逐渐减缓。

图3 危险性主观评分

2.2 生理信号分析

为对被试者进行更为客观的分析，采用生理信号无线测试方法，提取30位被试者在作业时的6类生理信号，进行初步分析发现，有2人数据出现异常，其中1人为数据采集异常，另有1人标准差|Z|>2。去除异常数据后，对所有数据均值进行皮尔逊相关性分析，结果见表3。

表3 生理信号时域均值相关性分析

通过相关性分析可以看出，在6个生理信号中，在0.05的检验水准下，仅EDA时域均值和SKT显示有统计学意义。如果用生理信号作为衡量作业人员状态的依据，则在有统计学意义的基础上，需要进一步看三者相关性。但从数据本身来看，同一组被试，4 m高处的生理信号与地面生理信号的相关性应大于8 m高处，EDA符合要求，而SKT恰恰相反。可以看出，高处作业的高度识别并不能采用SKT的时域值来进行标定。进一步对EDA时域均值(由Tonic Data、Phasic Data、SC signal的平均值合成表示皮电信号)进行数据分析，采用Shapiro-Wilk进行正态性检验，结果如表4，可以看出，数据符合正态分布。

表4 配对样本t检验

图4中显示了EDA时域参数均值与高度数值关系，可以看出，同等高度下，图中EDA的增幅逐渐降低，这与主观评分走势相一致，也说明采用EDA对作业人员分析的有效性。对数据进行二项式拟合可得：

图4 EDA时域均值与高度的相关性

Mean = -0.028 4H2+ 0.737 7H+5.526 4，R2= 1

(1)

EDA均值和高度呈现抛物线相关性。为针对每个人的数据进行推算，引入个人基础状态常数C予以修正参数，即测得个体在地面时的数值后，获取常数C的值，因此，式(1)修正为

IEDA = -0.028 4H2+ 0.737 7H+C

(2)

式(2)可以用于对每个人的数据予以测算，以测量作业人员是否进入高处作业状态，进一步估算作业人员的高度位置。

3 结论

(1)对平地、高处作业的生理信号时域分析中，皮电信号的均值在不同高度处显示出显著性差异，因而EDA可以作为高处作业识别的生理信号；

(2)高处作业时，个体的EDA均值与高度二次线性相关：IEDA = -0.028 4H2+ 0.737 7H+C(C为修正常数)，IEDA随高度的增加，其增加值逐渐减小；

(3)EMG、PPG、SKT、RESP、ECG 5个生理指标参数与作业高度无明显相关性。